شبیه‌سازی تراز سطح آب زیرزمینی آبخوان دشت بافت با استفاده از مدل شبکه عصبی تابع شعاع مدار

آبهای زیرزمینی همواره به عنوان یکی از منابع مهم و اساسی تامین آب شرب، کشاورزی و زیست محیطی به ویژه در مناطق خشک مطرح بوده اند. شبیه سازی سطح آب زیرزمینی یک منطقه نقش مهمی را در مدیریت منابع آبی ایفا می کند. به همین دلیل، امروزه شبیه سازی تراز آب زیرزمینی با استفاده از مدل های ریاضی و کامپیوتری با صرف زمان و هزینه نسبتا پایین در مطالعات آب های زیرزمینی مورد توجه می باشد. در مطالعه حاضر، با استفاده از مدل شبکه عصبی تابع شعاع مدار (rbfnn) تراز آب زیرزمینی منطقه بافت واقع در استان کرمان مورد شبیه سازی قرار گرفت. پارامترهای بارش، تبخیر، آورد رودخانه، نیاز آبی منطقه، میزان برداشت از آبخوان و تراز آب زیرزمینی با یک دوره تاخیر زمانی به عنوان ورودی و تراز سطح ایستابی در دوره موردنظر به عنوان خروجی مدل در مقیاس زمانی ماهانه در طی دوره آماری (1395-1381) انتخاب گردید. همچنین به منظور ارزیابی عملکرد مدل از شاخص های ضریب تبیین، جذر میانگین مربعات خطا، میانگین قدر مطلق خطا، مربع میانگین خطای استاندارد، مربع میانگین خطای استاندارد نرمال شده و شاخص توافق ویلموت استفاده شد. نتایج حاصل از شاخص های آماری نشان داد که مدل شبکه عصبی تابع شعاع مدار به ترتیب با ضریب تبیین(r2)، جذر میانگین مربعات خطا(rmse)، میانگین قدر مطلق خطا(mae)، مربع میانگین خطای استاندارد(mse)، مربع میانگین خطای استاندارد نرمال شده(nmse) و شاخص توافق ویلموت(d)، 0.9989، 0.1256، 0.064، 0.0158، 0.0011 و 0.9997 توانایی بالایی در شبیه سازی تراز آب زیرزمینی دارد و نتایج قابل اطمینانی را ارائه می دهد.

simulation of groundwater level aquifer of baft plain using the radial basis function neural network model

groundwater has always been considered as one of the important and basic resources of drinking, agricultural and environmental water supply, especially in dry areas. simulating the groundwater level of a region plays an important role in water resources management. for this reason, today the simulation of the groundwater level using mathematical and computer models with relatively low time and cost is of interest in groundwater studies. in the present study, the groundwater level of baft area located in kerman province was simulated using the radial basis function neural network (rbfnn) model. the parameters of precipitation, evaporation, river flow, water demand of the region, amount of abstraction from the aquifer and the level of groundwater with a time delay period as input and the level of the water table in the desired period as the output of the model in a monthly time scale during the statistical period (2002-2016) was selected. also, in order to evaluate the performance of the model, the statistical indices of egression coefficient (r2), root mean squared error (rmse), mean absolute error (mae), mean square error (mse), normalized mean square error (nmse) and willmott's index of agreement (d) were used. the results of the statistical indicators showed that the radial basis function neural network with r2, rmse, mae, mse, nmse and d, 0.9989, 0.1256, 0.064, 0.0158, 0.0011, and 0.9997 have a high ability to simulate the groundwater level and provide reliable results.